A Microsoft új, valós idejű átírómodellt és hangmodelleket mutatott be
A Microsoft bemutatta első folyamatos átírásra készült modelljét, a MAI-Transcribe-2-Streaminget, amely a cég szerint az Artificial Analysis rangsorában az első helyen debütált. A bejelentéssel együtt két új hangmodell, a MAI-Voice-2.1 és a gyorsabb MAI-Voice-2.1-Flash is megjelent.
- A MAI-Transcribe-2-Streaming a Microsoft első folyamatos átírásra készült modellje.
- A Microsoft szerint a modell az Artificial Analysis MAI-Transcribe rangsorában első helyen debütált.
- Bemutatkozott a MAI-Voice-2.1 és a gyorsabb MAI-Voice-2.1-Flash.
- A modelleket beszélgető hangalapú ügynökök és hangalapú élmények fejlesztéséhez szánják.
Első helyen debütált a streaming átírómodell
A Microsoft október 1-jei bejelentése szerint a MAI-Transcribe-2-Streaming a vállalat első, folyamatos átírásra készült modellje. A streaming működés azt jelenti, hogy a modell a beszéd feldolgozását folyamatosan végzi, ami a Microsoft szerint gyorsabb és gördülékenyebb beszélgetési élményeket tehet lehetővé.
A vállalat közlése alapján a modell az Artificial Analysis MAI-Transcribe rangsorában az első helyen debütált. A Microsoft a modellt pontosnak, gyorsnak és alacsony költségűnek jellemzi. Ezek a minősítések a cég saját közlésében szerepelnek, a bejelentés részletes mérési adatokat vagy összehasonlító számokat nem közöl.
Két új hangmodell érkezett
A Microsoft a transzkripciós modell mellett két új hangmodellt is bejelentett. A MAI-Voice-2.1 mellett bemutatta a MAI-Voice-2.1-Flash változatot, amelyet a vállalat kifejezetten gyors variánsként ír le.
A cég szerint a modellek együtt olyan építőelemeket kínálnak, amelyekkel beszélgetésre képes hangalapú élmények hozhatók létre. A Microsoft a hangminőség és a pontosság megőrzését emeli ki, miközben gyors és folyamatos interakciókat céloz.
A bejelentés címe többnyelvű hangokat is említ, a közölt szöveg azonban nem részletezi, pontosan hány nyelvet támogatnak az új modellek, illetve mely nyelvekről van szó.
Hangalapú ügynökök fejlesztését célozzák
A Microsoft az új modelleket elsősorban beszélgető hangalapú ügynökök létrehozásához szükséges technológiai alapként mutatja be. A vállalat megfogalmazása szerint a gyors átírás és a hanggenerálás együtt adhatja a természetesebb, folyamatosabb hangalapú interakciók alapját.
A bejelentés alapján a fejlesztők és a hangalapú élményeket építő felhasználók számára a MAI-Transcribe-2-Streaming, a MAI-Voice-2.1 és a MAI-Voice-2.1-Flash egyaránt ilyen feladatokra készült. A Microsoft nem közölt további részleteket a modellek elérhetőségéről, áráról vagy konkrét teljesítményéről.
